PGMAT PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA (PGMAT) INSTITUTO DE MATEMÁTICA E ESTATÍSTICA Téléphone/Extension: Indisponible

Banca de DEFESA: LAÍS SILVA SACRAMENTO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LAÍS SILVA SACRAMENTO
DATA : 28/10/2021
HORA: 14:00
LOCAL: Instituto de Matemática e Estatística
TÍTULO:

Métodos com escores de propensão para avaliação de impacto em dados com  estrutura de dependência longitudinal


PALAVRAS-CHAVES:

inferência causal, escore de propensão, modelo de efeitos aleatórios, pareamento longitudinal


PÁGINAS: 96
RESUMO:

Inferência causal tem sido uma área com vasto desenvolvimento metodológico nas últimas décadas, e que considera métodos estatísticos que objetivam o estabelecimento de relação causal entre variáveis manipuláveis (tratamento/intervenção) e uma variável resposta. Sabe-se que, em estudos observacionais, é provável que o viés de seleção implique em inferências incorretas. Os métodos de pareamento surgem como alternativa para definição de grupos de comparação através do cálculo do escore de propensão. Os métodos mais clássicos usando pareamento com escores de propensão (PSM) envolvem análise de dados de estudos observacionais que assumem independência entre suas unidades amostrais. Esta suposição, no entanto, pode não ser razoável quando são obtidas medidas repetidas da variável resposta em estudos longitudinais. Mais recentemente, métodos têm sido desenvolvidos para incorporar PSM na análise de dados com diversas estruturas de dependência na modelagem estatística (Li et al, 2013 e Arpino et al, 2016). Quando estes tratamentos são iniciados sequencialmente durante o período de seguimento, uma classe de métodos de pareamento longitudinal para emular um experimento aleatorizado também tem sido proposta na literatura (Li et al, 2001; Lu, 2005; Thomas et al, 2020). O objetivo desta dissertação é sistematizar e sumarizar metodologia estatística envolvendo escores de propensão para estimação de efeito causal em dados com estruturas de dependência longitudinal. Essas metodologias são ilustradas na análise de três conjuntos de dados com diferentes características de dependência.


MEMBROS DA BANCA:
Presidente - 287722 - ROSEMEIRE LEOVIGILDO FIACCONE
Externa ao Programa - 2584511 - NIVEA BISPO DA SILVA
Externo à Instituição - MARCEL DE TOLEDO VIEIRA - UFJF
Notícia cadastrada em: 12/10/2021 12:27
SIGAA | STI/SUPAC - - | Copyright © 2006-2024 - UFBA